1．编写主体体现校企双元组合
2．教材内容项目化
3．将“1+X”内容充分融入教材，职业技能标准规范化

本书按照“强基础、重应用”的原则进行编写，在内容的安排上采用“理论+实践”的方式，由浅入深，选取的项目可以让学生很快上手。
本书主要包括8个项目，分别为搭建TensorFlow开发环境，手写数字识别：TensorFlow初探，房价预测：前馈神经网络，服装图像识别：Keras搭建与训练模型，图像识别：卷积神经网络，AI诗人：循环神经网络，预测汽车油耗效率：TensorFlow.js应用开发，花卉识别：TensorFlowLite。
本书既可以作为高等职业院校、应用型本科院校的计算机类、电子信息类、通信类及自动化类等专业的教材，也可以作为各种技能认证考试的参考用书，还可以作为相关技术人员的参考用书。

前言
二维码资源清单
项目1 搭建TensorFlow开发环境1
项目描述1
思维导图1
项目目标1
1.1 人工智能、机器学习与深度学习2
1.1.1 人工智能2
1.1.2 机器学习2
1.1.3 深度学习4
1.2 深度学习简介5
1.2.1 深度学习发展简史5
1.2.2 深度学习的工作原理7
1.2.3 深度学习的应用9
1.3 任务1：认识深度学习框架13
1.3.1 TensorFlow13
1.3.2 Keras14
1.3.3 PyTorch14
1.3.4 Caffe15
1.3.5 MXNet15
1.3.6 PaddlePaddle16
1.4 任务2：搭建深度学习开发环境17
1.4.1 安装Anaconda17
1.4.2 使用Conda管理环境20
1.4.3 安装TensorFlow21
1.4.4 常用编辑器22
拓展项目24
项目2 手写数字识别：TensorFlow初探26
项目描述26
思维导图26
项目目标26
2.1 TensorFlow架构27
2.1.1 TensorFlow架构图27
2.1.2 TensorFlow 1.x和2.0之间的差异28
2.1.3 TensorFlow数据流图29
2.1.4 TensorFlow运行机制31
2.2 任务1：张量的基本操作32
2.2.1 张量的阶、形状、数据类型32
2.2.2 现实世界中的数据张量35
2.2.3 MNIST数据集39
2.2.4 索引与切片43
2.2.5 维度变换47
2.2.6 广播机制51
2.3 任务2：张量的进阶操作54
2.3.1 合并与分割54
2.3.2 大值、小值、均值、和58
2.3.3 张量比较60
2.3.4 张量排序63
2.3.5 张量中提取数值64
拓展项目65
项目3 房价预测：前馈神经网络67
项目描述67
思维导图67
项目目标67
3.1 任务1：实现一元线性回归模型68
3.1.1 准备数据69
3.1.2 构建模型69
3.1.3 迭代训练70
3.1.4 保存和读取模型71
3.2 认识神经网络72
3.2.1 神经元72
3.2.2 激活函数74
3.3 任务2：房价预测78
3.3.1 准备数据集79
3.3.2 构建模型81
3.3.3 训练模型83
3.4 前馈神经网络87
3.4.1 前馈神经网络拓扑结构87
3.4.2 损失函数89
3.4.3 反向传播算法92
3.4.4 梯度下降算法95
拓展项目100
项目4 服装图像识别：Keras搭建与训练模型102
项目描述102
思维导图102
项目目标102
4.1 认识tf.keras103
4.1.1 Keras与tf.keras103
4.1.2 层（Layer）104
4.1.3 模型（Model）106
4.2 任务1：服装图像识别108
4.2.1 构建模型108
4.2.2 训练模型111
4.2.3 评估模型115
4.3 任务2：保存与加载模型116
4.3.1 SavedModel方式保存模型117
4.3.2 H5格式保存模型118
4.3.3 检查点（Checkpoint）格式保存模型119
4.4 任务3：tf.data优化训练数据120
4.4.1 训练数据输入模型的方法120
4.4.2 tf.data API121
4.4.3 tf.data.Dataset122
4.5 任务4：花卉识别125
4.5.1 下载图片125
4.5.2 构建花卉数据集127
4.5.3 构建与训练模型129
4.5.4 保存与加载模型130
拓展项目131
项目5 图像识别：卷积神经网络132
项目描述132
思维导图132
项目目标132
5.1 认识卷积神经网络133
5.1.1 卷积神经网络发展历史133
5.1.2 全连接神经网络的问题134
5.2 卷积神经网络基本结构135
5.2.1 卷积运算135
5.2.2 填充136
5.2.3 步长137
5.2.4 多输入通道和多输出通道138
5.2.5 池化层139
5.3 TensorFlow对卷积神经网络的支持140
5.3.1 卷积函数141
5.3.2 池化函数144
5.4 任务1：识别CIFAR-10图像145
5.4.1 卷积网络的整体结构145
5.4.2 CIFAR-10数据集146
5.4.3 构造卷积神经网络模型148
5.4.4 编译、训练并评估模型149
5.5 任务2：搭建经典卷积网络150
5.5.1 图像识别的难题151
5.5.2 AlexNet152
5.5.3 VGG系列154
5.5.4 ResNet156
5.6 任务3：ResNet实现图像识别158
5.6.1 ResNet模型结构158
5.6.2 BasicBlock类159
5.6.3 搭建ResNet网络模型160
5.6.4 加载数据集并训练模型162
拓展项目163
项目6 AI诗人：循环神经网络164
项目描述164
思维导图164
项目目标164
6.1 认识循环神经网络165
6.1.1 循环神经网络发展历史165
6.1.2 循环神经网络的应用166
6.1.3 循环神经网络的作用166
6.2 任务1：电影评论分类167
6.2.1 IMDb数据集167
6.2.2 使用全连接神经网络169
6.2.3 循环神经网络典型结构170
6.2.4 SimpleRNNCell使用方法171
6.2.5 RNN分类IMDb数据集173
6.2.6 RNN梯度消失176
6.3 任务2：AI诗人176
6.3.1 长短期记忆（LSTM）176
6.3.2 文本生成：AI诗人178
拓展项目184
项目7 预测汽车油耗效率：TensorFlow.js应用开发186
项目描述186
思维导图186
项目目标186
7.1 认识TensorFlow.js187
7.1.1 TensorFlow.js的优点187
7.1.2 TensorFlow.js 的核心概念188
7.1.3 TensorFlow.js 环境配置190
7.2 任务1：预测汽车油耗效率193
……